CNCC2026将于10月21-24日在成都举办。今年将继续推出Tutorial，本篇介绍的Tutorial是——时间序列基础模型和动态世界建模
Tutorial是由领域内专家主讲，面向全体参会者开放的专题讲座或教学环节，旨在介绍研究领域的最新进展或基础知识，内容涵盖原理、挑战、方法等。可以帮助刚进入该方向的博士生、青年学者快速补齐知识短板，以便更好地参会后续的前沿报告理解与未来方向思辨。
今年Tutorial共设置11大主题板块：AI基础模型、机器学习理论与机理、强化学习与推理、视觉多模态与世界模型、AI安全与治理、数据科学与数据空间、机器人与具身智能、Agent智能体、新型计算与网络架构、AI4Science、AI+行业。
（扫码报名）
模块 | 时长 | 内容 |
1.时间序列基础模型与AGREE原则之自动化与通用性 | 30min | 时间序列基础模型的定义与技术演进；AGREE 原则总体框架；自动化与通用性的技术路径与进展。面向跨场景、跨任务强泛化的通用表征学习与预训练-微调范式；面向新场景高效的自动化模型选择； |
2. AGREE原则之鲁棒性、可解释性、高效性 | 40min | 面向鲁棒的多模态时序建模；融合物理规律与知识的时序模型可解释架构设计；面向边端等资源受限场景的模型轻量化。并分别结合大气环境、污水处理、边端设备等具体案例，阐释AGREE原则框架构建时序基础模型的优势。 |
3. 生成模式驱动的跨域时序建模 | 60min | 生成式建模如何统一多频率、多变量、多长度时序数据的表征；跨域时序生成预训练范式；结合工业设备、电网负荷、城市车流等多场景实验，论证生成式模型如何提升时序基础模型的跨域泛化能力。 |
4. 面向动态世界的时序推理 | 60min | 将多变量时序与大语言模型对齐的时序理解与推理方法；面向复杂系统诊断的结构化深度思考范式；从感知、认知到决策、行动的时序推理闭环。 |
5. 提问与讨论 | 10min | 互动交流与未来研究方向研讨 |
Tutorial简介
随着时间序列数据在工业系统、能源网络、城市运行、金融市场等动态场景中的广泛应用，如何构建通用的时序基础模型，实现对动态系统的感知、预测与决策，成为研究热点。围绕“动态世界建模”这一目标，时序基础模型需要在自动化与通用性的规模化基础之上，进一步突破鲁棒性、可解释性与高效性等部署瓶颈，同时探索时序生成与推理能力，构成从感知到决策的完整闭环。
本教程旨在以“动态世界建模”为目标，以AGREE原则（自动化Automation、通用性Generalization、鲁棒性Robustness、可解释性Explainability、高效性Efficiency）为框架，系统介绍时序基础模型的前沿进展，内容涵盖四个主要部分：（1）时间序列基础模型与AGREE原则，介绍时序基础模型的定义与技术演进，梳理自动化与通用性的技术路径与最新进展；（2）AGREE原则之鲁棒性、可解释性、高效性，继续围绕鲁棒性、可解释性与高效性，介绍时序多模态基础模型、领域知识驱动的可解释时序建模，以及面向边端部署的模型压缩技术；（3）生成模式驱动的跨域时序建模，介绍生成式建模如何统一异质时序数据表征并提升基础模型的跨域泛化能力；（4）面向动态世界的时序推理，介绍将时序与大语言模型对齐的理解与推理方法，以及面向复杂系统诊断的结构化深度思考范式，探讨从感知、认知到决策、行动的时序推理闭环。
Tutorial目标
参与者将能够：
掌握时间序列基础模型的概念与技术演进，理解“动态世界建模”的核心思想，掌握AGREE原则的总体框架。
了解时序多模态基础模型如何利用模态互补增强鲁棒性，了解领域知识驱动的可解释时序建模，了解面向边端资源受限场景的模型压缩与量化技术。
掌握生成模式驱动的跨域时序建模方法，了解生成式建模如何统一异质时序数据表征，了解跨域时序生成预训练范式及其对基础模型泛化能力的提升。
掌握面向动态世界的时序推理方法，了解时序与大语言模型对齐的理解与推理技术，了解面向复杂系统诊断的结构化深度思考范式，了解从感知到决策的时序推理闭环。
讲者介绍
华东师范大学教授
华东师范大学，数据科学与工程学院，二级教授，国家级领军人才，博士生导师。曾就任于丹麦奥尔堡大学，工程技术学院（2022年USNews全球大学排名奥尔堡大学工科排名欧洲第一，世界第八）杰出科学家，计算机系终身教授，丹麦国家级人才。主要研究领域涵盖面向时序和时空数据的人工智能，数据驱动的决策智能，机器学习，AI for Science，数据管理和分析等，在人工智能和数据库等领域的重要会议和期刊发表论文90余篇，研究成果已经广泛应用于中国、丹麦、德国、荷兰、希腊和塞浦路斯的相关企业和政府部门。
华东师范大学教授
华东师范大学，数据科学与工程学院，国家级青年人才，教授，博士生导师。丹麦奥尔堡大学博士，曾任职阿联酋人工智能大学。主要研究领域是面向时序和时空图数据的数据挖掘，人工智能，机器学习和AI for Science，在Nature Communications, VLDB，CVPR，KDD，WWW，ICML，ICLR等国内外顶级会议期刊上发表多篇学术论文。
北京航空航天大学教授
北京航空航天大学，国家级青年人才，教授，博士生导师。主要从事大数据、人工智能、科学智算等领域的研究工作，在AIJ、ICML、NeurIPS、KDD等国内外顶级会议期刊上发表学术论文50余篇，授权国家发明专利20余项，获“AAAI’21最佳论文奖”、“IEEE IWQoS’22 最佳论文奖”、“CCF Bigdata’24 最佳论文奖”、教育部科学研究优秀成果奖工程技术一等奖、中国电子学会自然科学一等奖、首届祖冲之奖“年度突出成果奖”、L2RPN 2023国际电网调度竞赛全球亚军等。主持国家自然基金委面上项目、科技部重点研发（课题）、华为通用套件、小米揭榜挂帅等项目。获评斯坦福全球前2%顶尖科学家、爱思唯尔中国高被引学者，入选中国科协青年托举人才、CCF青年人才发展计划、小米青年学者、人工智能学会优博、ACM China北京优博、世界人工智能大会WAIC“云帆奖”、北京市“海英之星”等。
清华大学教授
清华大学计算机系长聘教授、博士生导师。主要研究方向是智能运维（AIOps) 、时间序列智能 (AI for Time Series)。发表了200余篇学术论文，Google学术引用超1.8万余次，获中国电子学会科技进步一等奖，创办的CCF AIOps挑战赛已成功举办八届，担任计算机网络领域旗舰期刊IEEE/ACM Transactions on Networking 编委，并曾担任IEEE计算机网络领域旗舰会议ICNP 2022的技术程序委员会主席。
欢迎参加CNCC2026
CNCC是一个宏观论述技术趋势的大会，具有规格高、规模大、内容丰富等特点，会议形式包括大会特邀报告、大会论坛、专题论坛、特色活动及展览。大会汇聚两院院士、国内外顶尖学者、知名企业家等亲临大会，展望前沿趋势，分享创新成果。ACM、IEEE CS、IPSJ、KIISE等国际计算机组织的代表也多次获邀现场参加这一盛会。CNCC2026将于10月21-24日在四川省成都市举办，大会主题是“数聚驱动，智算未来”，欢迎各界前来参会。
点击“阅读原文”，加入CCF。